<aside> ✍️ 핵심 요약
이번 챕터에서는 다음 내용을 다룸
적응에 대한 기대치 설정 : 기존 Mental model을 식별하고 구축하여 사람들이 새로운 AI 사용을 최대한 활용할 수 있도록 지원, “사용자가 무엇을 하려고 하는지?, 어떤 Mental model이 적용되었는지?, 이 Product의 원인과 결과의 직관적인 패턴을 깨뜨리는지?”와 같은 질문을 해볼 것단계별 온보드 : 현실적인 기대치를 미리 설정하고 기술이 아닌 사용자 이점을 설명, 처음에는 핵심 가치를 설명하되 사용하면서 새로운 기능을 소개하고, 사용자가 Product에서 AI를 쉽게 테스트할 수 있도록 함공동 학습 계획 : 피드백을 개인화 및 적응에 연결하여 사용자 작업과 AI 출력 간의 관계 설정상호 작용에 대한 사용자 기대치 고려 : Product의 알고리즘 특성과 한계를 명확하게 전달하여 현실적인 사용자 기대치를 설정하고 의도하지 않은 사용자의 실망 방지
</aside>Mental model은 현실세계에서 어떤 것이 어떻게 작동하는지, 그리고 어떻게 영향을 미치는지에 대한 사고 과정을 의미합니다. 사람들은 Product, 장소 및 사람 등을 포함하여 상호 작용하는 모든 것에 대한 Mental model을 형성합니다. 이러한 Mental model은 Product가 할 수 있는 것과 할 수 없는 것, 그리고 Product에서 얻을 수 있는 가치에 대한 기대치를 설정하는 데 도움이 되며, 경험들 간의 일종의 다리 역할을 할 수도 있습니다. 예를 들어, 자전거를 조종하는 방법을 알고 있다면 오토바이를 조종하는 방법에 대해서도 어느 정도 알고 있는 것과 같죠.
그러나 사용자의 Mental model은 Product가 실제로 수행할 수 있는 것과 항상 일치하지 않을 수 있습니다. 일치하지 않는 Mental model은 충족되지 않은 기대로 인한 좌절, 오용 및 Product에 대한 실망, 포기로 이어질 수 있습니다. 종종 Product 기획자는 Product에 대한 초기 UX를 고려하지 않거나 제품 작동 방식을 제대로 설명하지 않아 의도하지 않게 사용자에게 잘못된 Mental model을 설정할 수 있으므로 다음과 같이 4가지를 고려해야 합니다.
적응에 대한 기대치 설정 : AI는 시스템이 사용자에게 적응, 최적화 및 개인화할 수 있도록 하며, 확률 기반 (probability-based) UX는 시간이 지남에 따라 더욱 보편화 됨. 기존 Mental model의 친숙함을 기반으로 시스템을 구축하면 사용자는 편안함을 느낄 수 있음단계별 온보드 : 사용자에게 AI 기반 Product를 소개할 때 할 수 있는 것과 할 수 없는 것, 어떻게 변할 수 있는지, 개선할 수 있는 방법을 확실히 설명해야 함공동 학습 계획 : 사용자는 AI 기반 Product에 피드백을 제공함으로써, 모델을 조정하거나 상호 작용 방식을 변경하여 모델을 변화시킬 것이며, 사용자의 Mental model 또한 유사하게 변화할 것임상호작용에 대한 사용자 기대치 고려 : 사람들은 인간과 같은 기능을 가지고 있다고 가정하는 Product에 대해 과도한 기대를 가질 수 있으므로, 현실적으로 사용자 기대치를 설정하여 의도하지 않은 실망을 방지하기 위해 Product의 알고리즘 특성과 한계를 전달하는 것이 중요함대부분의 Product는 매우 정적입니다. 간단한 예로 오늘 구입한 망치가 내일도 같은 망치라고 장담할 수 있죠. 오랜 기간 동안 반응성이 뛰어난 Product는 사용자의 입력에 따라 반응 방식을 조정할 수 있는 Product 입니다. 이러한 시스템은 결과가 유용했는지 여부를 추적하고 향후 응답 방식을 업데이트합니다. 예를 들어 스트리밍 미디어 서비스는 이전 항목과의 상호 작용을 기반으로 권장 사항을 조정한다면, 사용자 상호 작용을 기반으로 Product가 적응해나갈 것이라고 기대할 수 있습니다.
Product와 경험에서 AI가 보편화 됨에 따라 사용자의 응답에 따라 경험이 변화하는 것을 더 많이 볼 수 있습니다. AI 기반 Product의 효과적인 Mental model을 생성할 수 있는 가장 큰 기회 중 하나는 기존 모델을 기반으로 하는 동시에 사용자에게 입력과 Product의 결과 간의 동적인 관계를 학습시키는 것입니다.
Product가 AI를 사용하여 해결할 문제가 있다면, 사람들이 이 문제를 어떻게 해결하는지 생각해봅시다. 기존 솔루션은 Product에 대한 초기 Mental model을 알려줄 가능성이 큽니다. 예를 들어, 사람들이 현재 이메일에 수동으로 Label을 지정한다고 하면, AI를 탑재한 이메일 Product가 사용자와 동일한 프로세스를 따른다고 가정할 수 있습니다. 이 경우 사람은 이메일을 읽은 후 의미, 컨텍스트 및 중요성에 대해 생각해보고 그에 따라 Label을 지정하겠죠. 반면, 모델은 다른 요인 (메시지가 전송된 시간 또는 이메일 길이)을 사용하여 Label을 결정할 수 있고, 사용자는 이 사실을 통해 놀라움을 느끼게 될 것입니다.
Note
사용자와 AI 기반 Product의 관계에 대한 컨텍스트를 이해하려면 아래 질문에 대해 생각해보세요. Q. 사용자가 무엇을 하려고 하는지? Q. Product에 어떤 Mental model을 적용할 수 있는지? Q.초보 사용자가 현 작업을 수행하기 위해 사용하는 단계별 프로세스는 무엇인지? Q. 해당 프로세스가 서로 다른 사용자 간에 얼마나 통일 돼 있는지?
온보딩 (Onboarding)은 새로운 사용자나 고객이 Product나 서비스를 알 수 있도록 지원하는 프로세스입니다. 온보딩 경험은 사용자가 Product를 구매 또는 다운로드하거나 웹 사이트를 방문하기 전에 시작되며 무기한 지속됩니다. 모든 Product와 마찬가지로 AI 도입의 여러 단계와 그 과정에서 Mental model이 형성되고 변화하는지 고려하는 것이 중요합니다.